Tài liệu quản lý vận hành - Chương 4 Dự báo

Tài liệu quản lý vận hành - Chương 4 Dự báo

Quản lý Vận hành

Dự báo Chương 4

Những điểm chính

♦DỰ BÁO LÀ GÌ?

♦ Tầm xa dự báo

♦ Ảnh hưởng của vòng đời sản phẩm

♦CÁC LOẠI DỰ BÁO

♦TẦM QUAN TRỌNG CHIẾN LƯỢC CỦA DỰ BÁO

♦ Nguồn nhân lực

♦ Công suất

♦ Quản lý dây chuyền cung ứng

♦BẢY BƯỚC TRONG HỆ THỐNG DỰ BÁO

Những điểm chính – Tiếp theo

♦CÁC PHƯƠNG PHÁP DỰ BÁO

♦ Tổng quan về các phương pháp định tính

♦ Tổng quan về các phương pháp định lượng

♦DỰ BÁO THEO CHUỖI THỜI GIAN

♦ Phân tích chuỗi thời gian

♦ Phương pháp thô (Nạve Approach)

♦ Bình quân di động

♦ San bằng mũ

♦ San bằng mũ có điều chỉnh xu hướng

♦ Dự báo theo xu hướng

♦ Biến đổi theo mùa trong dữ liệu

♦ Biến đổi theo chu kỳ trong dữ liệu

Những điểm chính – Tiếp theo

♦CÁC PHƯƠNG PHÁP DỰ BÁO KẾT HỢP: HỒI QUY VÀ PHÂN TÍCH

TƯƠNG QUAN

♦ Sử dụng phân tích hồi quy để dự báo

♦ Sai số chuẩn của ước đoán

♦ Hệ số tương quan đối với đường hồi quy

♦ Phân tích hồi quy bội

♦GIÁM SÁT VÀ KIỂM SOÁT DỰ BÁO

♦ San bằng phỏng theo hay thích nghi (Adaptive Smoothing)

♦ Dự báo tiêu điểm (Focus Forecasting)

♦DỰ BÁO TRONG LĨNH VỰC DỊCH VỤ

Các mục tiêu học tập

Khi học xong chương này bạn sẽ có thể:

Nhận biết được hoặc định nghĩa:

Các mục tiêu học tập - Tiếp theo

Khi học xong chương này bạn sẽ có thể:

Mô tả hoặc giải thích :

♦ Bình quân di động

♦ San bằng mũ

♦ Dự báo theo xu hướng

♦ Hồi quy và phân tích tương quan

♦ Thước đo độ chính xác của dự báo

Dự báo tại Tupperware

♦Mỗi một trong số 50 trung tâm lợi nhuận khắp thế giới chịu trách nhiệm dự báo hàng tháng, hàng quý, và 12 tháng sử dụng máy tính

♦Những dự báo này được tập hợp lại theo vùng, rồi toàn bộ, tại World Headquarters của Tupperware

♦Tupperware sử dụng tất cả các kỹ thuật được bàn đến trong chương này

♦ Doanh số cho mỗi người buôn bán thực sự, trên cơ sở hàng tuần

♦Bước cuối cùng là kịch bản “lấy ý kiến của bộ phận giám khảo thuộc ban điều hành” của Tupperware

♦Dự báo ngắn hạn

♦ Đến 1 năm; thường là ít hơn 3 tháng

♦ Điều độ công việc, phân công việc cho công nhân

♦Dự báo trung hạn

♦ 3 tháng đến 3 năm

♦ Đặt kế hoạch bán hàng & sản xuất, dự thảo ngân sách

♦Dự báo dài hạn

♦ Trên 3 năm

♦ Đặt kế hoạch sản phẩm mới, vị trí doanh nghiệp

Các loại dự báo theo tầm xa dự báo

Dự báo ngắn hạn hay là dài hạn

♦ Các dự báo trung/dài hạn giải quyết nhiều vấn đề bao quát hơn và yểm trợ các quyết định

quản lý về hoạch định và sản phẩm, máy móc, thiết bị và quy trình.

♦ Dự báo ngắn hạn thường sử dụng nhiều phương pháp luận khác nhau hơn là dự báo dài hạn.

♦ Các dự báo ngắn hạn có khuynh hướng chính xác hơn các dự báo dài hạn.

Ảnh hưởng của vòng đời sản phẩm

♦ Các giai đoạn giới thiệu và phát triển cần đến các dự báo với tầm xa dài hơn các giai đoạn chính muồi và suy tàn

♦ Các dự báo hữu ích trong việc đặt kế hoạch

♦ mức nhân sự,

♦ mức tồn kho, và

♦ công suất nhà máy

khi sản phẩm trải qua các giai đoạn của vòng đời

Giới thiệu, phát triển, chín muồi, suy

tàn

Chiến lược và các vấn đề trong đời sống của một sản phẩm

Giới thiệu Phát triển Chín muối Suy tàn

Tiêu chuẩn hoá Thay đổi sản phẩm ít nhanh hơn – thay đổi nhỏ nhiều hơn Công suất tối ưu Gia tăng độ ổn định của quá trình

Loạt sản xuất dài Cải tiến sản phẩm và cắt giảm chi phí

Ít khác biệt hoá sản phẩm

Cực tiểu chi phí Thừa công suất trong ngành

Bỏ bớt mặt hàng để loại bỏ những sản phẩm không mang lại lợi nhuận khá lớn Cắt giảm công suất

Dự báo có tính cách quyết định

Độ tin cậy của sản phẩm và quá trình

Cải tiến và lựa chọn sản phẩm có sức cạnh tranh Gia tăng công suất Chuyển sang hướng vào sản phẩm

Đề cao phân phối

Thiết kế và phát triển sản phẩm có tính cách quyết định

Thường xuyên thay đổi thiết kế sản phẩm và quá trình

Loạt sản xuất ngắn Chi phí sản xuất cao Số kiểu, mẫu hạn chế Chú ý tới chất lượng

Giai đoạn tốt nhất để gia tăng thị phần R&D công nghệ sản xuất sản phẩm có tính cách quyết định

Thích hợp để thay đổi giá cả hoặc hình ảnh chất lượng

Củng cố hốc thị trường

Kiểm soát chi phí có tính cách quyết định

Thời gian không thích hợp để thay đổi hình ảnh, giá cả, hoặc chất lượng

Giá cạnh tranh có tính cách quyết định Bảo vệ vị thế trên thị trường

Máy photocopy màu

Drive-thru restaurants Máy Fax

Xe lửa chở khách vừa chở hàng

Doanh số

Đĩa mềm

3 1/2”

Internet

Các loại dự báo

♦Các dự báo kinh tế

♦ Xác định chu kỳ kinh doanh, ví dụ, tỷ lệ lạm phát, lượng cung tiền, v.v…

♦Các dự báo công nghệ

♦ Tiên đoán tốc độ tiến bộ công nghệ

♦ Tiên đoán sự chấp nhận sản phẩm mới

♦Các dự báo nhu cầu

♦ Tiên đoán doanh số của sản phẩm hiện có

Bảy bước trong dự báo

♦Xác định mục đích của dự báo

♦Chọn những loại sản phẩm cần dự báo

♦Xác định tầm xa dự báo

♦Chọn mô hình dự báo

♦Thu thập dữ liệu

♦Thực hiện dự báo

♦Phê chuẩn và thực hiện kết quả

Nhu cầu sản phẩm được vẽ đồ thị trong 4 năm có xu hướng và tính thời vụ

Năm

1 Năm 2 Năm 3 Năm 4

Đường cầu thực tế

Nhu cầu trung bình trong 4 năm

0 5 10 15 20 25 30 35

Những thực tế của dự báo

♦Dự báo hiếm khi chính xác

♦Hầu hết các phương pháp dự báo giả định có sự ổn định cơ bản nào đó trong hệ thống

♦Cả dự báo họ sản phẩm lẫn dự báo sản phẩm kết hợp( aggregated product) thì chính xác hơn các dự báo từng sản phẩm cụ thể

Các cách tiếp cận dự báo

huống ‘ổn định’ & có dữ liệu quá khứ

♦ Sản phẩm hiện có

♦ Công nghệ hiện hành

toán học

vi màu

Phương pháp định lượng

♦ Được sử dụng khi tình huống không rõ ràng

& có ít dữ liệu

♦ Sản phẩm mới

♦ Công nghệ mới

♦ Cần đến trực giác, kinh nghiệm

trên Internet

Phương pháp định tính

♦ Phương pháp Delphi

♦ Nhóm chuyên gia, đượchỏi lặp đi lặp lại

♦ Lấy ý kiến hỗn hợp của lực lượng bán hàng

♦ Các số lượng hàng bán ước đoán của từng người bán hàng được thẩm định để đoan chắc là nó hiện thực, rồi được kết hợp lại

♦ Nghiên cứu thị trường người tiêu dùng

♦ Hỏi khách hàng

♦ Được kết hợp ở cấp quận/

huyện & cấp quốc gia

♦ Các đại diện bán hàng biết ước muốn của khách hàng

♦ Có khuynh hướng lạc quan quá mức

Doanh số

© 1995 Corel Corp.

Phương pháp Delphi

♦ Nhóm quá trình lặp đi lặp lại

♦ 3 loại người

♦ Những người ra quyết định

♦ Những nhân viên, điều phối viên

(Doanh số sẽ là 45, 50, 55)

(Doanh số sẽ là 50!)

Nghiên cứu thị trường

người tiêu dùng

♦ Hỏi khách hàng về các kế hoạch mua sắm

♦ Những gì người tiêu dùng nói, và những gì họ thực sự làm thường khác nhau

♦ Đôi khi khó trả lời

Tuần tới, anh sẽ sử dụng Internet bao

nhiêu giờ?

© 1995 Corel Corp.

♦San bằng mũ

♦Hoạch định theo xu hướng

♦H i quy tuy n tínhồ ế

Các mô hình chuỗi thời gian

Các mô hình kết hợp

Các phương pháp dự báo định lượng

(Không thô)

Dự báo định lượng

Hồi quy tuyến tính

Các mô hình kết hợp

San bằng mũ

Bình quân

di động

Các mô hình chuỗi thời gian

Hoạch định theo xu hướng

♦ Tập dữ liệu số cách quãng đều

những thời đoạn cách quãng đều

♦ Dự báo chỉ dựa vào các giá trị quá khứ

hưởng trong tương lai

Các thành phần của chuỗi thời

gian

♦Nhìn chung, mẫu hình đi lên hoặc đi xuống

♦Do dân số, công nghệ, v.v

♦Khoảng thời gian vài năm

Tháng, Quý, Năm

Đáp ứng

© 1984-1994 T/Maker Co.

Thành phần xu hướng

♦Mẫu hình biến động lên lên xuống xuống đều đặn

♦Do thời tiết, tập quán, v.v…

♦Xảy ra trong vòng 1 năm

Các mẫu hình mùa phổ biến

Giai đoạn của mẫu hình

Độ dài

“mùa”

Số “mùa”

trong mẫu hình

♦Những biến động lên lên xuống xuống lặp

đi lặp lại

♦Do sự tương tác của các nhân tố ảnh hưởng đến nền kinh tế

♦Khoảng thời gian thường 2-10 năm

Tháng, Qúy, Năm

‘còn lại’

♦ Cuộc đình công của công đoàn

♦ Cuộc biến loạn hay cơn bão táp

không lặp lại

© 1984-1994 T/Maker Co.

Thành phần ngẫu nhiên

♦ Mọi giá trị quan sát trong một chuỗi thời gian đều là tích (hoặc tổng) các thành phần của chuỗi thời gian

♦ Mô hình nhân

♦ Yi = Ti · Si · Ci · Ri (nếu dữ liệu quý hoặc tháng)

♦ Mô hình cộng

♦ Yi = Ti + Si + Ci + Ri (nếu dữ liệu quý hoặc tháng)

Các mô hình chuỗi thời gian tổng

quát

♦ chẳng hạn, nếu doanh số ở tháng Năm là 48, thì doanh số

ở tháng Sáu sẽ là 48

♦ Đôi khi có lợi & có hiệu quả

© 1995 Corel Corp.

♦ MA là một chuỗi các số trung bình

số học

♦ Được sử dụng nếu ít có hoặc không có xu hướng

♦ Được sử dụng để san bằng

♦ Tạo ra ấn tượng chung về dữ liệu over time

Bạn là người quản lý một cửa hàng của nhà bảo tàng bán các bản sao hay mô hình lịch sử Bạn

muốn dự báo doanh số (000) cho năm 2003 sử

dụng bình quân di động 3 -giai đoạn.

♦Được sử dụng khi có thành phần xu hướng

♦ Dữ liệu cũ hơn thường ít quan trọng hơn

♦Các trọng số dựa vào khả năng trực giác

♦ Thường nằm giữa 0 & 1, & cộng lại bằng 1,0

♦Phương trình

WMA =Σ(Trọng số cho giai đoạn n ) (Nhu cầu ở giai đoạn n )

Σ các trọng số

Phương pháp bình quân di động có trọng số

0 5 10 15 20 25 30 35

Nhu cầu thực, bình quân di động,

bình quân di động có trọng số

Doanh số thực tế

Bình quân đi động

Bình quân di động có trọng số

♦Tăng n khiến dự báo

ít nhạy hơn với những thay đổi

♦Không dự báo xu hướng tốt

♦Đòi hỏi nhiều dữ liệu quá khứ

© 1984-1994 T/Maker Co.

Nhược điểm của phương pháp bình quân di động có trọng số

♦Một dạng bình quân di động có trọng số

♦ Các trọng số giảm theo hàm mũ

♦ Dữ liệu gần đây nhất có trọng số lớn nhất

♦Cần phải có hằng số san bằng (α)

♦ Nằm trong khoảng từ 0 đến 1

♦ Được chọn một cách chủ quan

♦Đòi hỏi phải giữa ít sổ sách ghi chép về dữ liệu quá khứ

Phương pháp san bằng mũ

♦ Sử dụng để tính toán dự báo

Các phương trình san bằng mũ

Trong 8 quý qua, cảng Baltimore đã bốc dỡ những số lớn ngũ cốc ( α

= 0,10 ) Dự báo cho quý một là 175 .

Quý Số lượng thực tế

Giải pháp san bằng mũ

Giải pháp san bằng mũ

Giải pháp san bằng mũ

Giải pháp san bằng mũ

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

α(1 - α)2

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

α(1 - α)2

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

α(1 - α)2

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

α(1 - α)2

2 giai đoạn trước đây

α(1 - α)

3 giai đoạn trước đây

α(1 - α)2

Tác động của α

0 50 100 150 200 250

Tt = β(Dự báo cho giai đoạn này - Dự báo cho giai đoạn vừa qua) + (1- β)(Ước đoán xu hướng cho giai đoạn vừa qua)

Tt = β(Ft - Ft-1) + (1- β)Tt-1 hoặc

San bằng mũ có điều chỉnh xu hướng – tiếp theo

♦Ft = dự báo theo san bằng mũ của chuỗi dữ

liệu ở giai đoạn t

♦Tt = xu hướng theo san bằng mũ ở giai đoạn

t

♦At = nhu cầu thực ở giai đoạn t

♦α = hằng số san bằng cho trung bình

♦β = hằng số san bằng cho xu hướng

San bằng mũ có điều chỉnh xu hướng – tiếp theo

So sánh nhu cầu thực tế và

các dự báo

0 5 10 15 20 25 30 35 40

Xu hướng được san bằng

Dự báo có

xu hướng

Dự báo được san bằng

Hoài quy

Bình phương bé nhất

Độ lệch Độ lệch

Độ lệch Độ lệch

Quan sát thực

Điểm nằm trên đường hồi quy

Đường cầu thực tế và đường bình

phương bé nhất

Đường hồi quy

Nhu cầu thực tế

♦ Được sử dụng để dự báo theo đường xu hướng tuyến tính

♦ Giả định mối quan hệ giữa biến đáp ứng,

Y, và thời gian, X, là hàm tuyến tính

♦ Được ước lượng bằng phương pháp bình phương bé nhất

♦ Cực tiểu tổng các sai số bình phương

i

Hoạch định theo xu hướng tuyến

tính

Đồ thị phân tán Doanh số theo quỹ lương

0 1 2 3 4

y x n y

x b

i

n i

i i

n i

Tham soá chaén truïc Y: a = y − b x

Sử dụng đường xu hướng

Năm Nhu cầu

140 (7)(4) 28

x nx Σ

a y - bx 98,86 - 10,54(4) 56,70 Nhu cầu trong năm 2004 56,70 10,54(8) 141,02 mêgaoát

Nhu cầu trong năm 2005 56,70 10,54(9) 151,56 mêgaoát

Doanh số máy tính xách tay hàng tháng

Nhu cầu doanh số Nhu cầu trung bình Thán

g 2000 2001 2002 2000-2002 Hàng tháng Chỉ số mùa

Xu hướng

Chỉ số mùa

Dự báo: xu hướng + chỉ số mùa

Trung bình

hàng tháng

Bệnh viện San Diego – Số ngày bệnh

nhân nằm viện

Chỉ số mùa

Xu hướng

Dự báo kết hợp

Multiplicative Seasonal Model

♦ Tìm nhu cầu quá khứ trung bình cho mỗi “mùa” bằng cách cộng nhu cầu cho mùa đó ở mỗi năm, rồi chia cho số năm mà bạn có dữ liệu.

♦ Tính nhu cầu trung bình qua tất cả các mùa bằng cách lấy tổng nhu cầu trung bình hằng năm chia cho số mùa.

♦ Tính chỉ số mùa bằng cách lấy nhu cầu quá khứ của mùa đó (ở bước 1) chia cho nhu cầu trung bình qua tất cả các mùa.

♦ Ước đoán tổng nhu cầu trong năm tới

♦ Lấy ước đoán tổng nhu cầu này chia cho số mùa, rồi nhân nó với chỉ số mùa ứng với mùa đó Điều này cung cấp dự báo mùa

Moâ hình hoài quy tuyeán tính

+

1 i

i i

n

1 i

x n x

y x n y

x

♦Tham số chắn trục Y (a)

♦ Giá trị trung bình của Y khi X = 0

♦ Nếu a = 4, thì doanh số trung bình (Y) kỳ vọng là 4 khi quảng cáo (X) bằng 0

Diễn giải các hệ số

♦Sai lệch của Y thực tế so với Y dự báo

♦Được đo bằng sai số chuẩn của ước đoán

♦ Độ lệch chuẩn của sai số của mẫu

♦ Được ký hiệu là SY,X

♦Tác động đến một số nhân tố

♦ Mức ý nghĩa của tham số

♦ Mức độ chính xác của dự báo

Sự biến thiên của sai số ngẫu nhiên

Các giả định của phương pháp

bình phương bé nhất

♦Mối quan hệ được giả định là tuyến tính Trước hết vẽ đồ thị dữ liệu – nếu thấy có đường cong, sử dụng phân tích đường cong

♦Mối quan hệ được giả định vẫn đúng chỉ trong hoặc hơi ngoài khoảng biến thiên của dữ liệu (data range) Đừng cố thử dự báo cho các thời đoạn vượt xa khoảng biến

thiên của cơ sở dữ liệu

♦Các sai lệch so với đường bình phương bé nhất được giả định là ngẫu nhiên

Sai số chuẩn của ước đoán

( )

2

2

1 2

y a

y

n

y

y S

n i

n i

i i i

n i

i

n i

c i

x y

♦Trả lời: ‘mối quan hệ tuyến tính giữa các biến chặt chẽ đến mức độ nào?’

♦Hệ số tương quan mẫu được ký hiệu là r

♦ Các giá trị nằm trong khoảng từ -1 đến +1

♦ Đo lường mức độ liên kết

♦Chủ yếu được sử dụng để hiểu biết

Sự tương quan

2 1

=

2 1

= 2

1

= = 1 = 1

n i

n

i ii

n i

n

i ii

n i

n i

n

i i

i i

i

y y

n x

x n

y x

y x n

r

r2 = bình phương của hệ số tương quan (r), là phần trăm

biến thiên của y được giải thích bởi phương trình hồi quy

♦Bạn muốn đạt được:

♦ Không có mẫu hình hoặc hướng trong sai số dự báo

♦ Sai số = (Yi - Yi) = (Thực tế – Dự báo)

♦ Nhìn thấy ở các đồ thị của sai số theo thời gian

♦ Sai số dự báo nhỏ nhất

♦ Sai số bình phương trung bình (MSE)

♦ Độ lệch tuyệt đối trung bình (MAD)

Hướng dẫn chọn mô hình dự báo

^

Thời gian (năm)

Sai số

0

Mẫu hình mong muốn

Thời gian (Năm)

Sai số 0

Xu hướng không được

giải thích đầy đủ

Mẫu hình sai số dự báo

♦Sai số bình phương trung bình (MSE)

Các phương trình sai số dự báo

n

Bạn là nhà phân tích marketing cho Hasbro Toys Bạn dự báo doanh số bằng mô hình tuyến tính & san bằng mũ Mô hình nào bạn sẽ sử dụng?

Dự báo theo

Doanh số Dự báo theo san bằng mũ

Năm thực tế mô hình tuyếán tính (0,9)

MSE = Σ Sai số2 / n = 1,10 / 5 = 0,220

MAD = Σ |Sai số| / n = 2,0 / 5 = 0,400

MAPE = 100 Σ|phần trăm sai số|/n= 1,20 /5 = 0,240

Đánh giá mô hình tuyến tính

Y i

1 1 2 2 4

^

Y^i

0,6 1,3 2,0 2,7 3,4

Sai số

0,16 0,09 0,00 0,49 0,36

1,10

Sai số2

0,4 0,3 0,0 0,7 0,6

2,0

|Sai số| |Sai số|Thực tế

0,40 0,30 0,00 0,35 0,15

1,20

MSE = Σ Sai số2 / n = 0,05 / 5 = 0,01

MAD = Σ |Sai số| / n = 0,3 / 5 = 0,06

MAPE = 100 Σ |Phần trăm sai số|/n = 0,10 /5 = 0,02

Đánh giá mô hình san bằng mũ

Y i

1,0 0,0 1,0 0,0 1,9 0,1 2,0 0,0 3,8 0,2

0,3

^ Sai số

0,00 0,00 0,01 0,00 0,04

0,05 0,3

Sai số2

0,0 0,0 0,1 0,0 0,2

|Sai số| |Sai số|Thực tế

0,00 0,00 0,05 0,00 0,05 0,10

Đánh giá mô hình san bằng mũ

Mô hình tuyến tính:

MSE = Σ Sai số2 / n = 1,10 / 5 = ,220

MAD = Σ |Sai số| / n = 2,0 / 5 = ,400

MAPE = 100 Σ|Phần trăm sai số|/n= 1,20/5 = 0,240

Mô hình san bằng mũ:

MSE = Σ Sai số2 / n = 0,05 / 5 = 0,01

MAD = Σ |Sai số| / n = 0,3 / 5 = 0,06

MAPE = 100 Σ |Phần trăm sai số|/n = 0,10/5 = 0,02